Beyond Positional Encoding: A 5D Spatio-Directional Hash Encoding

本論文は、方向領域における歪みや不連続性を解消し、空間および方向の両方の高周波信号を効率的に表現する新しい 5 次元の空間・方向符号化手法を提案し、ニューラルパスガイディングにおいて既存の手法を最大 2 倍の分散低減で凌駕することを示しています。

要約

🌟 核心となるアイデア：光の「5 次元地図」を作る

CG で光を計算する際、私たちは 2 つの情報を同時に知る必要があります。

1. 場所（どこにあるか？：3 次元）
2. 方向（どの方向から光が来ているか？：球面上の 2 次元）

これを合わせると**「5 次元」**の情報になります。これまでの技術は、この 5 次元の地図を作るのが難しく、特に「方向」の扱いに工夫が足りていませんでした。

🗺️ 従来の方法の課題：「地球儀を平らに広げる」ことの悲劇

これまでの技術は、地球儀（球体）上の「方向」を、無理やり平面の地図（経度・緯度）や、箱の中（直交座標）に書き換えようとしていました。

• 経度・緯度方式の欠点： 北極や南極に行くと、地図がぐしゃぐしゃに歪んでしまいます（極点特異点）。光の計算でも、特定の方向でデータが歪んだり、切れたりしてしまいます。
• 箱（立方体）方式の欠点： 丸い地球を箱の中に詰めると、角の部分が無駄な空間になったり、境界で光がギザギザに繋がったりします。

これでは、複雑な光の反射（例えば、ガラスの反射や、細かい影）をきれいに描くことができませんでした。

✨ 新しい方法：「ハッシュ・スフィア（Hash-Sphere）」

この論文の著者たちは、**「地球儀そのものを、ピラミッドのように細かく分割した網」**を使うことを考えました。

1. 正二十面体（20 面の立体）からスタート： 地球儀を最初、20 枚の三角形の貼り合わせで表現します。
2. ジグザグに細かく分割： 必要な部分だけ、三角形をさらに 4 つに分割し、さらに細かくしていきます。
3. ハッシュ（暗号化）で記憶： この細かすぎる三角形の頂点に、光の情報を「小さなメモ帳（ハッシュテーブル）」に記録します。

🍕 ピザの例え：

• 古い方法： 丸いピザを、四角い箱に入れて運ぼうとする。角が潰れたり、箱の隙間にピザがはみ出したりする。
• 新しい方法： 丸いピザを、三角形のピースに切り分けて、必要な部分だけ丁寧に箱に入れる。どの角度から見ても、ピザの形が崩れない。

この「三角形の網」を使うことで、北極でも赤道でも、どこでも均一に、歪みなく光の情報を記録できるようになりました。

---

🚀 なぜこれがすごいのか？（具体的なメリット）

この新しい「5 次元地図（ハッシュ・グリッド・スフィア）」を使うと、以下のような劇的な変化が起きます。

1. 雑音（ノイズ）が激減する

CG のレンダリング（描画）では、光を計算するたびに「ノイズ（ザラザラした粒）」が発生します。

• 以前： きれいな画像にするには、何百回も光を計算（サンプル）する必要があり、時間がかかりました。
• 今： 新しい地図を使うと、同じ時間で計算しても、ノイズが 2 倍以上減ります。
  • 例え話： 以前は「暗い部屋で 100 回瞬きしてやっと見えた景色」が、今は「10 回瞬きするだけで、くっきり見える」ようになった感じです。

2. 複雑な光もバッチリ表現できる

• カオスな光（キャスティック）： 水たまりに反射した光や、ガラス越しにできる複雑な模様。
• 鏡面反射： つるつるしたテーブルに映る景色。
  これらは「光の方向」が非常に細かく変化するため、従来の地図ではぼやけてしまいましたが、新しい地図ならシャープに、くっきりと表現できます。

3. 学習が速く、メモリも節約できる

この地図は「ハッシュ（暗号化）」を使っているため、必要な情報だけをコンパクトに保存できます。

• 例え話： 巨大な図書館（従来の方法）で本を探すのではなく、**「必要なページだけ切り抜いて、ポケットに入れて持ち歩く」**ようなものです。だから、スマホや PC でも高速に動きます。

---

🎬 実際の応用：「光の案内人（パスガイディング）」

この技術は、CG 業界で「パスガイディング（光の案内）」という役割に使われています。

• 役割： 光が「どこへ飛ぶべきか」を AI が事前に学習し、無駄な計算を省く。
• 成果： 従来の「案内人」は、複雑な光の道筋をうまく案内できず、迷子になっていました。しかし、この新しい「5 次元地図」を持った案内人は、「あそこの光はここを通れ！」と正確に指示できるため、描画が劇的に速くなりました。

---

まとめ

この論文は、**「光の方向を扱うための、歪みのない新しい地図（ハッシュ・スフィア）」**を開発し、それを空間と組み合わせた「5 次元の超地図」を作ったという成果です。

• 何が変わった？ 地球儀を無理やり平らにせず、丸いまま細かく分割して管理するようになった。
• どんなメリット？ 光の計算が速くなり、画像のノイズが減り、複雑な光の反射も美しく描けるようになった。
• 誰に役立つ？ ゲーム、映画、VR などの CG 制作において、よりリアルで美しい映像を、より短時間で作れるようになる。

つまり、**「光の迷路を、よりスマートに、より美しく解くための新しいコンパス」**が完成したのです。

技術概要

1. 問題定義 (Problem)

現代の物理ベースレンダリングでは、環境光や入射放射輝度（Incident Radiance）など、**球面上の信号（方向信号）**を表現する必要があります。

• 既存の課題:
  • 空間符号化の限界: 従来のニューラル符号化（Hash Grid など）は、3 次元直交空間（Cartesian space）での高周波信号表現には非常に優れていますが、これをそのまま方向（角度）領域に適用すると、極点での特異性（Singularity）、歪み、不連続性が発生します。
  • 既存の方向表現の限界: 方向領域では、球面調和関数（SH）やスpherical Gaussians などの伝統的な手法が用いられていますが、これらは高周波信号の表現能力が低く、複雑な照明環境（キャスティクスや鏡面反射など）を正確に捉えるには不十分です。
  • 結果: 複雑なグローバルイルミネーションを持つシーンにおいて、既存の手法は分散（バリアンス）が大きく、レンダリング品質や収束速度に課題がありました。

2. 手法 (Methodology)

著者らは、空間領域で成功した「Hash Grid」のアプローチを方向領域へ拡張し、5 次元の空間 - 方向符号化を提案しました。

A. Hash-Sphere（方向符号化）

• 概念: 球面 $S^2$ 上の方向信号を表現するための学習可能な符号化。
• 幾何学的構造: 緯度・経度座標系（極点で歪む）ではなく、**階層的な測地線グリッド（Hierarchical Geodesic Grid）**を使用します。
  • 基本形状として正二十面体（Icosahedron）の 20 面から始め、各レベルで三角形を 4 つに分割し、頂点を球面上に再投影します。
  • これにより、球面全体で均一な離散化が可能となり、極点特異性を回避します。
• 実装:
  • 各三角形の頂点に学習可能な潜在パラメータを格納します。
  • 入力方向に対して、各レベルの包含する三角形を特定し、重心座標を用いて頂点のパラメータを補間します。
  • 粗いレベルでは直接インデックス、細かいレベルではハッシュ関数を用いてメモリを制限します（Müller et al. [2022] の手法を流用）。
  • 全レベルの補間特徴量を結合し、小さな MLP（Multi-Layer Perceptron）に入力して最終的な方向値を出力します。

B. Hash-Grid-Sphere（5 次元空間 - 方向符号化）

• 概念: 空間位置 $x \in \mathbb{R}^3$ と方向 $d \in S^2$ の積空間 $\mathbb{R}^3 \times S^2$ を表現する符号化。
• 結合アプローチ:
  • Müller et al. の空間 Hash Grid と、提案する Hash-Sphere を組み合わせます。
  • 各レベルにおいて、空間ボクセルの 8 隅と、方向三角形の 3 頂点の組み合わせ（計 24 点）から特徴を取得します。
  • 結合ハッシュ関数: 空間座標と方向頂点を結合した新しいハッシュ関数 $h_{joint}$ を定義し、効率的なメモリ管理を行います。
• 利点:
  • 空間解像度と方向解像度を独立して制御できます（例：空間レベルを 2 つ上げるごとに方向レベルを 1 つ上げるなど）。
  • 幾何学的に一貫した補間を行うため、新しい視点（Novel View）への汎化能力が向上します。

3. 主要な貢献 (Key Contributions)

1. Hash-Sphere の提案: 極点特異性や歪みなしに、高周波を含むすべての周波数信号をコンパクトに表現できる、効率的な方向符号化手法。
2. Hash-Grid-Sphere の提案: 空間と方向を統合した 5 次元ニューラル符号化。複雑な空間的・視覚依存関数（アピアランスや放射輝度）をコンパクトに表現可能。
3. 実証実験: ニューラルパスガイディングへの適用。既存の最先端手法（Rath et al. 2025）をベースラインとし、同等のサンプリング数で分散を大幅に低減することを示しました。

4. 結果 (Results)

実験は、HDR 環境マップの圧縮、スパースビューからの放射輝度場再構築、およびパスガイディングの 3 つのタスクで行われました。

• 環境マップの圧縮:
  • Hash-Sphere は、極点付近で歪みが生じる 2D Hash Grid や、3D 空間での不連続性を抱える 3D Hash Grid を凌駕し、メモリ効率と品質のトレードオフにおいて最良の結果を示しました。
• 放射輝度場再構築:
  • 既存の「3D Hash Grid + 球面調和関数（SH）」は高周波の視覚依存性をぼやけさせ、「6D Hash Grid」は訓練データへの過剰適合（Overfitting）を起こし、新規視点で破綻しました。
  • 提案手法は、訓練データだけでなく新規視点においても高品質な再構築を実現し、意味のある汎化能力を示しました。
• ニューラルパスガイディング（主要な応用）:
  • 分散低減: 同等のレンダリング時間において、Rath et al. の手法と比較して最大 2.25 倍の分散低減（Variance Reduction）を達成しました。
  • 高周波信号への強さ: 複雑なキャスティクスや鏡面反射を持つシーンにおいて、既存手法で見られるスプロッティ（斑点状）なアーティファクトを解消し、滑らかで正確な照明を再現しました。
  • 計算コスト: 符号化自体の計算コストはベースラインより約 40% 高いものの、サンプリング効率の向上により、全体としてのレンダリング品質は大幅に向上しました。

5. 意義と結論 (Significance)

• 方向領域のニューラル表現の革新: 従来の直交空間中心のニューラル符号化を、球面幾何学に基づいた方向領域へ自然に拡張した最初の試みの一つです。
• 実用的な性能向上: 複雑な照明環境におけるパストレーシングの収束速度を劇的に改善し、高品質なグローバルイルミネーションのリアルタイム化や高速化に貢献します。
• 汎用性: パスガイディングだけでなく、ニューラル BSDF や入射放射輝度キャッシュなど、他の領域への応用可能性も示唆されています。

この論文は、位置符号化（Positional Encoding）の限界を超え、空間と方向を統合的に扱うための新しい標準的な符号化手法（Drop-in replacement）を提供する重要な研究と言えます。